← Konzepte

Market Intelligence

Common Method Bias

Common Method Bias verzerrt Korrelationen, wenn Prädiktor und Kriterium über dieselbe Methode erhoben werden. Diagnostik und methodische Kontrollen.

Market Intelligence 4 Min. Lesezeit 2 Quellen KaTeX-Formel

Kanonische Definition · Antwort-Zuerst-Spezifikation

Common Method Bias (oder Common Method Variance, CMV) bezeichnet eine Schein-Kovarianz zwischen unabhängigen und abhängigen Variablen, die auf das Erhebungsverfahren selbst und nicht auf die tatsächlichen theoretischen Konstrukte zurückzuführen ist. Wenn in Kunden- oder Mitarbeiterbefragungen Einstellungen und Verhaltensweisen zeitgleich über denselben Fragebogen erhoben werden, entstehen erhebliche Messfehler.

Synonyme: Common-Method-Varianz · Methodenverzerrung · CMV · Selbstauskunftsverzerrung

Auf dieser Seite

Operative Formulierung & Berechnung

Mathematisches Modell
rbeobachtet=rwahrRXRY+CMVr_{\text{beobachtet}} = r_{\text{wahr}} \sqrt{R_X R_Y} + \text{CMV}

Variablen & Parametereigenschaften

Symbol Parameter Ökonomische Bedeutung & operative Abgrenzung
rbeobachtetr_{\text{beobachtet}} Empirisch gemessene Korrelation Der direkt aus dem Datensatz der Befragung berechnete Korrelationskoeffizient.
rwahrr_{\text{wahr}} Tatsächliche Konstruktkorrelation Der reale, unverfälschte Zusammenhang zwischen den zugrunde liegenden betriebswirtschaftlichen Phänomenen.
RX,RYR_X, R_Y Messreliabilität Die interne Konsistenz oder Reliabilität (z. B. Cronbachs Alpha) der jeweiligen Messskalen für Prädiktor und Kriterium.
CMV\text{CMV} Common-Method-Varianzanteil Systematische Scheinkovarianz durch einheitliches Antwortformat, Befragungsstimmung, soziale Erwünschtheit oder Skalenanker.

Operative Anatomie & Fehlermodi

Grenzziehungen, Verzerrungsmuster und zulässige Management-Entscheidungen.

Bruchstellen-Analyse

Grenzen & Bruchstellen

  • Unvorhersehbare Wirkungsrichtung: CMV kann reale Zusammenhänge künstlich aufblähen, abschwächen oder im Vorzeichen umkehren.
  • Statistische Nachtests sind unzureichend: Nachträgliche Rechenverfahren (z. B. Harmans Ein-Faktor-Test) können Methodenverzerrungen nicht zuverlässig korrigieren.
  • Einzelauskunfts-Risiko: Die Beschränkung auf eine einzelne befragte Person pro Kundenunternehmen verstärkt Verzerrungen durch Erinnerungsfehler und soziale Erwünschtheit.
  • Querschnittsdesign als Fehlerquelle: Die gleichzeitige Erhebung von Zufriedenheit, Weiterempfehlungsbereitschaft und Kaufabsicht im selben Bogen maximiert Scheineffekte.

Dashboard-Verzerrungen

Typische Verzerrungs- & Gaming-Muster

  • Nutzung von Harmans Ein-Faktor-Test zur Behauptung methodischer Fehlerfreiheit, obwohl der Test eine extrem geringe statistische Teststärke besitzt.
  • Schätzung komplexer Strukturgleichungsmodelle (SEM) auf Basis von Ein-Quellen-Befragungen ohne Modellierung eines latenten Methodenfaktors.
  • Präsentation hoher Korrelationen zwischen Zufriedenheitswerten und behaupteter Kundentreue als Beweis für operativen Erfolg.
  • Vermeidung des Abgleichs mit realen ERP- und CRM-Transaktionsdaten, da reine Befragungsdaten schneller und bequemer zu erheben sind.

Executive Entscheidungsmatrix

Die Übertragung dieser methodischen Bruchstellen und Verzerrungsmuster in die operative Praxis erfordert eine verbindliche Entscheidungsgovernance. Führungskräfte müssen klar trennen zwischen Management-Maßnahmen, die empirisch tragfähig sind, und unzulässigen Ableitungen, die auf methodischen Trugschlüssen beruhen.

Zulässige Management-Entscheidungen
  • Konzeption methodisch sauberer Multi-Source-Studiendesigns mit getrennter Erhebung von Prädiktor und Kriterium.
  • Auditierung interner Kunden- und Mitarbeiterbefragungen vor der Zuweisung von Budgets auf Basis gefundener Korrelationen.
  • Herbeiführung zeitlicher, räumlicher und psychologischer Trennung zwischen unabhängigen und abhängigen Messgrößen.
Unzulässige Ableitungen & Trugschlüsse
  • Neuausrichtung kommerzieller Strategien allein auf Basis statistischer Korrelationen aus einer einzigen Kundenbefragung.
  • Behandlung geäußerter Kauf- oder Kündigungsabsichten als verlässliches Äquivalent zu realen Transaktionsdaten.
  • Annahme, dass statistische Nachberechnungen schwerwiegende Mängel im Studiendesign heilen können.

Die methodische Bedrohung durch Common Method Bias

In Marktforschung, Kundenbefragungen und Organisationsanalysen stoßen Entscheidungsträger regelmäßig auf beeindruckende statistische Zusammenhänge: „Unsere Kundenzufriedenheit korreliert mit r = 0,72 mit der Weiterempfehlungsbereitschaft und der künftigen Vertragsverlängerung.“

In den allermeisten Querschnittsstudien ist dieser starke Zusammenhang jedoch eine statistische Illusion, hervorgerufen durch Common Method Bias (CMB).

Quellen der Methodenvarianz

Wenn dieselbe Person in einer einzigen Befragungssituation sowohl Auskunft über Einflussfaktoren (XX) als auch über Zielgrößen (YY) gibt, erzeugen kognitive Mechanismen eine künstliche Scheinkovarianz:

  1. Konsistenzstreben (Consistency Motif): Befragte versuchen rational und widerspruchsfrei zu wirken. Sie beantworten nachfolgende Fragen so, dass sie logisch zu ihren vorherigen Bewertungen passen.
  2. Soziale Erwünschtheit: Das Bedürfnis, sich selbst oder das eigene Unternehmen in einem vorteilhaften Licht darzustellen, färbt beide Variablen gleichermaßen ein.
  3. Skalenartefakte: Einheitliche 5- oder 7-stufige Likert-Skalen mit identischen verbalen Ankern („Stimme überhaupt nicht zu“ bis „Stimme voll zu“) provozieren systematische Antwortmuster.
  4. Momentane Verfassung: Die aktuelle Stimmung des Probanden (Ermüdung, Stress, Euphorie) beeinflusst sämtliche Antworten in dieselbe Richtung.

Methodische Prävention statt statistischer Kosmetik

Die wissenschaftliche Literatur belegt eindeutig: Nachträgliche statistische Korrekturen können eine durch Methodenvarianz kompromittierte Befragung nicht retten. Eine verlässliche Datengrundlage erfordert verfahrensseitige Kontrollen:

  • Multi-Source-Ansatz: Erhebung der unabhängigen Variablen über die Kundenbefragung (z. B. wahrgenommene Softwarequalität) und der abhängigen Variablen über reale CRM-Buchungsdaten (z. B. tatsächliche Kündigungen oder Nachkäufe).
  • Zeitliche Trennung: Einführung eines zeitlichen Abstands von mehreren Wochen oder Monaten zwischen der Abfrage von Einstellungen und der Erfassung von Verhaltensdaten.
  • Methodische Diversifikation: Kombination quantitativer Produktnutzungsdaten, Transaktionsprotokollen und strukturierter Experteninterviews statt ausschließlicher Verlass auf Selbstauskünfte.

Wissenschaftliche Quellen & Belege

  • Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N. P. (2003). Common Method Biases in Behavioral Research: A Critical Review of the Literature and Recommended Remedies. Journal of Applied Psychology, 88(5), 879–903.
  • Conway, J. M., & Lance, C. E. (2010). What Reviewers Should Expect from Authors Regarding Common Method Bias in Organizational Research. Journal of Business and Psychology, 25(3), 325–334.

Diesen Eintrag zitieren

Zitierbar in wissenschaftlichen Arbeiten, Forschungsberichten und Vorstandsvorlagen.

Wissensarchitektur

Verknüpfte Wissensobjekte & Vertiefung